meng shao

统计数据

65

文章

0

粉丝

0

获赞

364

阅读

3天前

工作16年后，终于还是领到了第一笔「失业保险金」😂 是的，失业，被裁员，中年，男性，程序员。。好像掉进了一个俗套的危机

#失业 #裁员 #中年危机 #程序员 #失业保险金

5天前

[开源推荐] Amplifier：微软官方开源，Claude Code 等 AI 编程智能体的超级倍增器！它通过整合已验证的开发模式、专业化智能体和自动化工作流，帮助开发者更快地构建复杂解决方案，避免从零开始重复试验。核心目标与价值 Amplifier 的愿景是实现“描述即构建”的未来：用户用自然语言描述需求，AI 即可生成并测试多个方案，同时积累知识以提升长期效率。它强调工具中立性，设计为可移植框架，能适应各种 AI 技术演进。目前作为研究演示器，它不保证稳定性，但展示了 AI 辅助开发的潜力，尤其适合处理架构设计、调试、安全审查等复杂场景。关键特性 · 20+ 专业智能体：针对特定任务的专家，如 zen-architect（简约架构设计）、bug-hunter（系统性调试）、security-guardian（安全分析）和 performance-optimizer（性能优化）。这些智能体可通过自然语言命令调用，例如“用 zen-architect 设计缓存层”。 · 并行工作树系统：使用 Git worktree 隔离多个实验分支，同时测试 10 种方案，避免主分支混乱。 · 知识提取系统：自动从文档中抽取概念、关系和模式，形成可查询知识库，支持命令如 make knowledge-query Q="认证模式"，并生成可视化图谱。 · 对话记录管理：在 Claude Code 压缩上下文前自动导出完整历史，支持搜索和恢复，防止关键细节丢失。 · 模块化构建器：一键工作流，从合约/规范到生成/审查，支持自动、辅助或干跑模式，适用于快速原型开发。 · 自动化工具：内置质量检查、代码格式化和测试命令，提升开发卫生。如何工作 Amplifier 在 Claude Code 基础上扩展：克隆仓库后运行 make install 安装依赖，激活虚拟环境，然后启动 claude 即可加载所有增强。用户可在 Amplifier 目录或外部项目中使用智能体和工具；知识更新通过 make knowledge-update 处理文档；并行开发用 make worktree feature-name 创建分支。整个系统注重分解策略、演示驱动开发和元认知配方，确保 AI 输出高效且可控。目标用户与适用场景主要面向使用 AI 助手的软件开发者，特别是那些处理多任务、知识密集型项目的团队。它在 Windows WSL2 上测试最充分，也支持 macOS 和 Linux。适合架构师、调试专家或知识管理需求高的角色，但不推荐生产环境使用。技术栈与安装 · 核心技术：Python 虚拟环境、Claude Code、Git、Makefile 和 Shell 脚本。依赖 Claude Code 环境处理智能体和记录。 · 使用示例：启动 Claude 后，输入 /modular-build 构建模块，或 /transcripts 管理记录。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1004 条信息

#开源推荐 #AI编程 #Amplifier #微软 #代码生成

5天前

[PDF 资源共享] 15家Top公司 AI Agent 企业级实战资源最近在帮一个团队做内部 AI Agent，找了一遍顶级企业的 AI Agent 指南和企业实战报告，精选了 15 篇，来自谷歌、微软、OpenAI、AWS、Cohere、德勤和毕马威等顶级软件团队，看看他们是怎么构建企业级 AI Agent 的。老规矩，PDF 文件，在 X 修改针对 🔗 降权算法前，先放评论 😂

#AI Agent #企业级应用 #实战资源 #顶级公司 #PDF共享

2周前

每次看到这种 JD 都感觉莫名其妙，把职位名字写对，是基础要求吧，Ai / IOS 这种错误在开发者看来是非常低级，可以直接放弃的职位 😂

#JD #职位错误 #Ai/IOS #低级错误 #负面

2周前

[YC AI Startup School 经典重温] Andrej Karpathy：软件，再次，变革！假期做什么？除了带孩子，当然是重温经典视频了，AK 在三个月前 YC AI Startup School 上对「软件在 AI 时代的变化」的演讲必须值得反复观看学习。作为 Stanford、OpenAI 和 Tesla 的资深研究者，他将当前 AI 浪潮比作软件发展的第三个重大跃迁——从传统编程到神经网络，再到用自然语言“编程” LLM。这场演讲不只是技术展望，更像是一份给新入行者的路线图：软件正从静态指令转向动态智能，机会与挑战并存。软件的“三重奏”：从 1.0 到 3.0 1.0 - Karpathy 用一个巧妙的框架回顾软件历史：70年来，软件基本停留在“1.0”阶段 —— 人类用 Python 或 C++ 等语言编写精确指令，驱动计算机执行任务，就像 GitHub 上那张“软件地图”一样，密密麻麻的全是代码仓库。 2.0 - 但最近几年，一切加速变迁。首先是“2.0”：神经网络的权重取代了部分代码。你不再手写算法，而是通过数据训练优化器，让模型“自学”图像识别或决策树。Hugging Face 就像 2.0 的 GitHub，模型参数如 Flux 图像生成器，成为可迭代的“代码提交”。 3.0 - 如今，我们进入“3.0”时代：LLM 如 ChatGPT 让神经网络可编程——用英语提示作为“程序”。例如，情感分析不再需要 Python 脚本或专用模型，只需几行提示如“分析这条评论的语气”，模型就输出结果。这不是小修小补，而是范式颠覆：编程从机器语言转向人类母语，门槛瞬间拉低。Karpathy 的推文「The hottest new programming language is English」因此爆火，成为他的置顶帖。 LLM：公用事业、芯片厂，还是操作系统？ LLM 不是简单工具，而是全新“计算机”。Karpathy 借用历史类比，剖析其生态： · 像公用事业：OpenAI 等实验室砸重金训练模型（资本支出），然后通过 API 按 token 计费提供服务（运营支出）。需求如低延迟、高可用性，与电网相似。OpenRouter 像变电站开关，让你无缝切换模型。当顶级 LLM 宕机时，整个世界仿佛“智力停电”——这已不是科幻。 · 像芯片厂：训练成本高企，技术树（如 NVIDIA GPU vs. Google TPU）高度保密，纯软件与全栈（自建硬件）模式并存。但软件的易复制性让防御壁垒更薄。 · 最贴切的：像操作系统：LLM 不是商品水电，而是复杂生态。上下文窗口如内存，提示如 CPU 指令，工具调用如外设。闭源模型（如 GPT 系列）对标 Windows，开源 Llama 生态似 Linux。我们正重演1960年代计算史：云端时间共享、批量处理为主，本地个人计算尚未普及（尽管 Mac Mini 已显露端倪）。聊天界面像终端，GUI（如 Cursor IDE）才刚起步。独特之处在于“技术扩散倒置”：以往新技术（如电力、GPS）先服务政府企业，再渗入消费；LLM 反之，从“怎么煮鸡蛋”起步，普通人先拥抱，企业政府却慢半拍。这让 LLM 从诞生之日起，就成了亿万人的“即时下载”软件。 LLM 的“人格”：超人与缺陷并存 Karpathy 将 LLM 形容为“people spirits”——人类精神的随机模拟，由自回归 Transformer 驱动，训练于海量文本，涌现出类人心理。优势显而易见：百科全书式记忆（如 Rain Man 里的记忆天才），能轻松忆起 SHA 哈希或历史细节。但缺陷同样突出：幻觉（编造事实）、锯齿智能（9.11 > 9.9的荒谬错误）、逆行性遗忘（上下文窗口如工作记忆，每轮重置，无长期学习）。安全隐患如提示注入，让它们易受骗。Karpathy 推荐看《记忆碎片》和《50次初恋》，生动描绘这种“每日重启”的困境。关键是：我们必须直面这些“认知疤痕”，设计系统绕过弱点、放大强项。机会：部分自治与人类- AI 共舞演讲转向实践，Karpathy 强调“部分自治”应用：LLM 不是全能智能体，而是可控助手。拿 Cursor 举例，它融合传统界面与 LLM：自动管理上下文、多模型协作、应用专属 GUI，还有“自治滑块”——从单行补全到全仓库重构，你决定让渡多少控制。 Perplexity 搜索工具类似：从快速查询到深度研究，渐进自治。核心是加速“生成-验证”循环：GUI 利用人类视觉优势（阅读文本费力，看图直达大脑），而非让 LLM 狂飙万行代码（10,000 行 diff？人类瓶颈依旧）。他警告：别被“2025 is Agent Year” 泡沫冲昏头，自治如开车，需人类监督。Tesla Autopilot 的教训历历在目：2013 年 Waymo 完美试驾后，12年过去仍未全解；Iron Man 盔甲更妙——既是增强（Tony Stark 亲控），又是智能体（自主飞行），滑块一推即变。教育是另一个切入点：别直奔 ChatGPT “教我物理”，AI 易迷路。Karpathy 设想双 App 系统——教师端生成课程（可审计大纲），学生端交付（循序渐进），用中间产物“拴住” AI。 Vibe Coding：人人皆程序员 LLM 的英语接口民主化编程：无需5-10年苦学，任何人可 “vibe coding”——凭直觉、提示迭代，快速原型。Karpathy 自嘲建 iOS App（Swift 零基础，一天搞定）和 MenuGen（菜单拍照生图，menu. app 试用免费$5信用）。但痛点暴露：核心逻辑易，DevOps 繁琐——浏览器点来点去，何不让智能体代劳？为智能体而建：基础设施重塑 LLM 如新物种：数字信息的“消费者与操纵者”，介于人类 GUI 与程序 API 间。Karpathy 呼吁适应：lm.txt 文件直述网站意图（胜过解析 HTML）；文档转向 Markdown + Curl 命令（Vercel/Stripe 先行，取代“点击此”）；Anthropic 的模型上下文协议标准化交互。工具如 GitIngest 或 DeepWiki 已现雏形。未来 LLM 或能“点击浏览”，但 “ halfway meet” ——半路相迎，能省时省力。结语：LLM 的 1960 年代，我们来筑基 Karpathy 以乐观收尾：软件需重写，专业码农与 vibe coder 共舞；LLM 如 1960s OS，公用+ fab + OS 三合一，却已普惠亿人。这是“疯狂时刻”——别畏惧缺陷，建盔甲而非机器人，滑自治杆从左（增强）向右（智能体）推移。引用其博客，软件3.0不止工具革命，更是新计算机的诞生。入行者，正逢其时：与 Karpathy 一起，编程未来。

#LLM #AI #Andrej Karpathy #软件变革 #编程

3周前

Designing Claude Code —— Claude Relations 负责人 Alex Albert 与 Claude Code 设计负责人 Meaghan Choi 一起探讨了 Claude Code 的设计理念、终端界面的演变，以及它如何赋能非技术人员如设计师。探讨的焦点在于 Claude Code 如何将 LLM 的力量无缝融入开发者日常工作流中，强调简洁、集成和创新。起源与设计核心：为什么选择终端？对话从 Claude Code 的独特“栖息地”—— CLI 终端开始。Meaghan 解释，这源于 Anthropic 早期工程师的热情：终端开发速度快、迭代灵活，且它是每个开发者的“标配”。出乎意料的是，这个选择让产品如鱼得水——无论你是 IDE 重度用户还是 Vim 爱好者，终端都是工作流的核心。它避免了引入新工具的摩擦，直接嵌入现有习惯。 Alex 补充，终端是软件开发的“基石”，Claude Code 则将其推向新高度。Meaghan 生动比喻：终端是人类与计算机的“第一界面”——纯文本、命令驱动。从早期命令行到如今的富媒体 Web UI，我们一度远离了这种简约。但 LLM 的出现让一切回归本质：输入文本、输出文本，无需繁复按钮。Claude Code 正是这种“完美婚姻”——它让模型的聊天式智能在终端中绽放，同时解决痛点，如从 Web 界面复制粘贴代码的烦恼。现在，提示一发，模型就能直接编辑本地文件。终端的演变与开发者工作流升级 Meaghan 分享了她对终端历史的热情：从文本命令的“超级工具”到 Web 时代的动画盛宴，再到 LLM 驱动的“聊天回归”。Claude Code 不是简单回溯，而是跃进——它将工作流从“逐行编码”提升到“全文件/任务级”变更，甚至未来可能到“项目级”协作，涉及多智能体协调。他们讨论了最近推出的 subagent 功能：通过斜杠命令和配置文件（如 settings.json 和 CLAUDE. md），用户能轻松切换提示、工具和设置。这借鉴了软件开发的经典架构（如 README），让终端从静态命令行变成动态智能体平台。Meaghan 坦言，早期设计挑战巨大——如窗口缩放时输入框的“轮廓线”会乱套，但通过库和迭代，他们克服了这些，实现了流畅的“提示分离”。设计过程：发明与精炼新功能的诞生很“Anthropic 式”：小团队（1-2名工程师）快速原型，内部全员测试（Anthropic 员工几乎人人用 Claude Code），然后迭代 UX。Meaghan 强调两大原则： · 保持简洁：CLI 空间有限，别淹没用户于信息洪流。 · 让模型闪耀：终端是最薄的“包装纸”，直达 Claude 的核心能力。例如，subagent 从 idea 到上线仅几周，焦点是视觉区分（如 subagent vs. 主 Claude）。Meaghan 的最爱是 ASCII艺术的“思考中”动画和模式指示（如规划模式或自动接受模式）——这些小触感注入个性，让编码从“机械敲击”变成生动互动，缓解编程的单调感。非技术人员的“解锁”：设计师的实战 Tips 视频高光是 Meaghan 作为设计师的亲身分享。她自嘲代码是 vibe-coding，但 Claude Code 让她从“求助工程师”转向自给自足，开启“新技能树”。关键益处： · 零成本脑暴：新功能设计时，先问 Claude 常见用例、边缘场景，或“如果你设计，会怎么做？” · 时间估算：拖入设计图，求模型评估开发时长，便于与工程师“友好辩论”。 · 收尾打磨：产品上线后，她能独立修复那些“P2 级”小瑕疵（如 UI 微调），无需排队。这不只提升效率，还加强跨角色协作：设计师的初步尝试，能让工程师对话更高效。Alex 赞叹，这模糊了“设计师 vs. 工程师”的界线，催生“设计工程师”时代。整体洞见这个视频不仅是 Claude Code 的设计解剖，更是 AI 时代工具哲学的缩影：回归简约、拥抱集成、赋能人人。Meaghan 的乐观显而易见——终端可能不是终点，但它证明 LLM 能重塑工作流，让编码从孤立任务变成协作冒险。对于开发者或设计师，这是个启发：试试 Claude Code，或许下一个 idea，就从终端一键落地。Anthropic 的风格一如既往：务实、热情，少点华丽，多点实用。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1004 条信息

#Claude Code #LLM #终端 #开发者工作流 #设计工程师

3周前

我这两天到底触发了什么 😂 96110 连续电话(静音没接到) 当天晚上民警直接上门宣传反诈第二天民警又上门，反复确认我有没有接到 00 开头诈骗电话，有没有点击诈骗链接被盗刷吓得我赶紧翻了所有银行卡 App，没看到异常，再把所有 Visa Mastercard 都做了限制刚刚，又收到反诈短信，确实搞不懂了

#反诈宣传 #96110 #民警上门 #诈骗风险 #银行卡安全

3周前

2025云栖大会开幕！阿里云CTO周靖人将聊通义大模型升级，主题“云智一体·碳硅共生”直击AI云融合，准有实用惊喜。云栖这AI盛会总让人上头，这次通义千问“全家桶”太对胃口——文本到多模态，全场景解锁。焦点千问3-Max，参数破万亿，家族最强将。Instruct日常稳，Thinking推理猛：在数学AIME 2025和HMMT 双100满分、代码SWE-Bench 69.6分也亮眼。它“多想几步”优化输出，报告分析快准狠，长文本稍耗力但值。千问3-Omni真人般聊天：视频+文本+语音，211ms延迟，还DIY角色。Wan2.5-Preview视频生成顺，音画同步，我试“夜城咖啡”出一段节奏感短片，创作者必备。 Coder-Plus代码稳、Next成本降九成，全覆盖，Qwen Chat免费玩，你的idea会擦出啥火花？云栖见！ #阿里云 #通义千问 #Qwen3 #2025云栖大会

#2025云栖大会 #阿里云 #通义千问 #AI云融合 #Qwen3

4周前

懒猫微服升级为「懒猫家族」了 👏🏻 去年有幸参与了王总的懒猫微服测评，后来同事看到后买了懒猫 AI 算力舱，我的微服就送给他做实验了！看看这回懒猫家族都有哪些新成员。懒猫 AI 算力舱 X3 · 星战风外观，超跑曲线加持，内置英伟达芯片，275T算力、64GB显存，轻松跑 70B 大模型。 · 用途？个人知识库、文生图、文生视频、音视频转文字，AI研究和推理全搞定。买它，领先一步，私人超算就是你的“赚钱神器”！懒猫微服新款 · 赛博朋克风小桌面，7盘位全固态，最高96TB存储，IO 速度飙升50倍。网盘、相册、家庭影院，2000+云应用随便玩。 · 内网直连不限速、防黑客，还能免费远控。省钱又安全，家用服务器天花板！懒猫 AI 浏览器 · Chromium 内核，速度快、隐私强，内置AI插件，配合算力舱和微服，手机也能跑大模型。 · 多标签、支持 Chrome 插件，全免费、无限 Tokens，随时随地玩转 AI。

懒猫家族新成员亮相，AI算力舱引发热议！· 47 条信息

#懒猫家族 #AI算力舱 #微服 #AI浏览器 #个人超算

1个月前

OpenAI 和 Anthropic 同一天发布 AI 使用数据报告「追踪 AI 在美国与全球经济中的作用」和「人们如何使用 ChatGPT」，看看这两大 AI 顶尖团队的报告反映了全球 AI 什么趋势，他们之间又有哪些对照？ Anthropic 报告解读：AI 采用的不均衡与自动化加速这份报告是 Anthropic Economic Index 系列的第三期，扩展了地理维度，分析 Claude 的使用如何反映经济结构。核心是通过 “Anthropic AI Usage Index (AUI)” 追踪 AI 在国家、州和任务中的分布，以及时间/业务变化。数据覆盖从 24.12 至今的 Claude AI 对话，加上 25.08 的 API 样本（约100万条）。 1. 地理分布与经济相关性 · 全球：美国占 Claude 使用21.6%，印度第二，其次巴西、日本、韩国。高收入国家（如以色列、新加坡、澳大利亚）AUI 最高，与 GDP per capita 强正相关（1% GDP 增长对应 0.7% AUI 增长）。低使用国家更倾向自动化任务，可能因知识工作较少。高收入国家使用更协作（augmentation），低收入国家更自动化（automation）。这暗示 AI 可能像电力或内燃机一样，加剧全球经济分化。 · 美国内部：哥伦比亚特区 AUI 最高（3.82），知识工作（如文档编辑、信息搜索）主导；加州第三（编码为主）；纽约第四（金融任务）。犹他州第二，但部分受滥用影响。使用与州 GDP 相关（1% GDP 增长对应 1.8% 使用增长），但经济组成更关键（如夏威夷旅游任务占比高）。这显示 AI 采用受本地产业驱动。 2. 使用趋势与任务演变 · 任务类型：计算机/数学任务始终主导（37-40%），但知识密集型任务增长：教育从9%升至13%，物理/社会科学从6%升至8%；商业/管理任务下降（管理从5%至3%，金融从6%至3%）。软件开发仍是全球最常见，但高采用国家任务更多样化（教育、艺术、行政）。 · 交互模式：自动化占比从49.1%超过协作（47%），其中“指令式”（directive，用户最小输入）从27%升至39%，表明用户信任 AI 增加，可能因模型改进（如从 Sonnet 3.5 升级）。高采用国家更偏协作，低采用国家更自动化（1% AUI 增长对应3%自动化减少）。 3. 业务使用 API 用户（主要是企业和开发者）更专注编码/行政（44% vs. Claude AI 的36%），自动化占比77%（指令式为主），远高于 Claude AI 的49%。高成本任务（如复杂编码）使用更多，表明企业重视 AI 价值而非成本。这暗示 AI 将引发劳动力转型和生产力跃升。 4. 结论与启示 AI采用不均（高收入/知识经济主导），自动化加速可能重塑工作，但也带来风险（如经济分化）。报告提供互动网站和开放数据集，鼓励进一步分析。 OpenAI 报告解读：AI 的民主化与经济价值创造这份报告是基于 NBER 工作论文，由 OpenAI 经济研究团队和哈佛经济学家 David Deming 撰写，分析 ChatGPT 消费者使用（非 API），覆盖 150 万条对话（相当于7亿周活跃用户的代表性样本）。焦点是使用演变、经济价值（生产力和个人益处），强调 AI 作为“基本权利”。 1. 用户群体演变 · 用户统计：早期性别差距缩小——2024年1月，女性名用户占37%，2025年7月升至52%，接近成年人口比例。全球采用加速，低/中收入国家增长率超高收入国家4倍以上，显示 AI 民主化。 · 整体采用：从早期用户（技术爱好者）向大众扩展，700百万周活跃用户反映广泛渗透。 2. 使用模式 · 任务类型：75%对话聚焦实用：寻求信息、实用指导、写作（写作是最常见工作任务）。编码和自我表达仍是小众。框架分为： · Asking（49%，增长中）：咨询建议，用户最重视AI作为顾问。 · Doing（40%，1/3为工作）：生成输出，如起草文本、规划、编程。 · Expressing（11%）：个人反思、探索、娱乐。 · 工作 vs. 个人：30%工作相关（生产力提升，如知识密集职位的决策支持），70%非工作（日常价值，如个人成长）。两者均增长，AI 捕捉 GDP 未衡量的价值（如判断改善）。 2. 使用演变与经济影响 · 使用深化：用户随模型改进和新用例发现而增加活动。AI 提升判断力和生产力，尤其知识工作；个人益处包括日常指导和自我表达。 · 隐私注记：使用自动化分类，无人类审阅消息。 3. 结论与启示 ChatGPT 创建双重价值（工作生产力+个人赋能），差距缩小证明 AI 包容性。报告提供完整论文，展望未来演变。总体洞见两份报告一致显示 AI 使用正成熟——从技术任务向日常/知识扩展，用户信任增强，产生经济价值。但 Anthropic 揭示潜在不均衡（高收入主导、自动化分化），可能放大全球差距。 OpenAI 展示包容路径（差距缩小、个人价值），建议 AI 可作为平等化工具。结合看，AI 经济影响双面：机遇（生产力）与挑战（转型风险）。未来，随着模型迭代，这些趋势或进一步分化，值得持续追踪。

#AI经济影响 #AI使用趋势 #OpenAI #Anthropic #AI民主化

1个月前

[开源项目推荐] 超过2万行的 AI 工具系统提示词和 AI 模型信息，包括了几乎所有主流 AI 工具、智能体和编程智能体等，更新也很及时，推荐大家保存备用 🤝 项目概述该仓库专注于收集和整理各类 AI 工具的系统提示和底层模型细节，涵盖了多个专注于编程和软件开发的工具，包括：Cursor、Devin、Replit Agent、Manus、Augment Code、Lovable、Windsurf Agent、VSCode Agent、Dia Browser、Xcode、Trae AI、Cluely 和 Orchids 等等。这些开源项目涵盖了开源和专有系统，仓库提供了它们的提示结构和功能逻辑的深入洞察。核心内容 1. 系统提示集合：包含详细的系统提示，揭示这些 AI 工具如何处理输入和生成输出，是理解其行为的关键。 2. 模型信息：列出了驱动这些工具的 AI 模型，帮助用户了解其技术基础。 3. 开发者友好：数据按工具或类别组织，便于开发者快速访问和使用。 4. 社区互动：README 鼓励加入 Discord 社区获取更新和参与讨论，促进协作。项目重要性这个仓库对AI开发者和研究人员来说意义重大： · 支持自定义开发：开发者可以基于这些提示开发或优化自己的 AI 应用。 · 功能优化：通过了解现有工具的逻辑，可以改进或整合新功能。 · 透明度：揭示热门 AI 工具的运作机制，对爱好者和专业人士都极具价值。

#AI工具 #系统提示 #开源项目 #开发者友好 #模型信息

1个月前

感兴趣的朋友，可以到 Lovart 体验：Lovart + Nano Banana + Veo 3 的无限画布 + 超强多模态模型带来的创作自由。 Lovart 地址：

#Lovart #nano banana #Veo 3 #多模态模型 #创作自由

1个月前

美团 LongCat API 平台开放了！ · 每天 10万免费 Token · 支持 OpenAI API 和 Anthropic API 两种主流格式 Claude Code 又有新模型可以用了！先切为敬 😄 btw... 看到默认登录方式是「美团 App 扫二维码」😄，点餐和扫共享单车的记忆回来了~ 正经说，开放平台地址：

#美团 #LongCat API #开放平台 #OpenAI API #Anthropic API

1个月前

除了删库跑路，还能拖库投敌 😂 老马的 xAI 对一名前工程师发起了诉讼，原因是他离开 xAI 加入 OpenAI 时带走了整个代码库。。前公司也发生过类似的事，一位核心开发拷贝了核心运控类算法，加入了一个初创团队作为联创，现在好像还在诉讼过程中，我们该配合提供过操作记录。抛开种族问题，不想偏激的认为这是中国工程师的身份导致的，想跟朋友们探讨，作为研发团队 lead，大家会怎么避免这样的问题发生呢？保密协议？公司法务？这些是必备的，作为研发管理咱们能做什么呢？代码仓库权限控制？核心算法加密？发明专利申请？还有什么可以做的呢？

#XAI #OpenAI #代码泄露 #诉讼 #研发管理

1个月前

前几天看到各家 AI Coding Agent 争相宣布 Sonic (Grok Code Fast 1) 的接入，终于等到了官方发文，看看最近各家模型都在推出的 Coding 模型，相比通用模型会有什么特别之处 👇 核心内容：grok-code-fast-1 是什么？ xAI 推出的新型 AI 模型，专为编程任务优化，特点是速度快、成本低，特别适合日常的“智能体编码”（agentic coding）工作流。所谓智能体编码，是指 AI 通过多次推理和工具调用来完成复杂编程任务。解决现有模型在这种场景下反应较慢的问题，带来更流畅的体验。 Sonic 有什么特别？ 1. 全新架构，专为编程设计 · xAI 从零开始设计了模型架构，预训练数据包含大量编程相关内容，后训练数据则基于真实的代码提交和编程任务，确保模型贴近实际开发需求。 · 模型熟练使用常见开发工具（如 grep、终端、文件编辑），能无缝融入主流 IDE。 2. 超快速度 · 通过创新的推理技术和提示缓存优化，模型的响应速度极快，平均 190 tokens/s（TPS），远超其他模型（如 Claude Sonnet 4、Gemini 2.5 Pro 等）。 · 缓存命中率高达 90%，进一步提升效率。 3. 多语言支持，功能全面 · 模型擅长多种编程语言，包括 TypeScript、Python、Java、Rust、C++ 和 Go。 · 能处理从零开始的项目开发、回答代码库问题到修复 bug 等各种任务。 4. 经济实惠 · 定价为：输入 $0.20/M token，输出 $1.50/M token，缓存输入 $0.02/M token。 · 相比其他高性能模型，它在性能和成本之间取得了平衡。 5. 免费试用 · xAI 与 GitHub Copilot、Cursor、Cline 等合作伙伴联手，限时免费提供 grok-code-fast-1，让开发者体验它的能力。性能如何？ · 在 SWE-Bench-Verified 测试中，模型得分 70.8%，表现优异。 · xAI 不仅依赖公开基准测试，还通过真实开发者的日常任务评估模型，确保它在实际使用中的表现可靠。 · 开发者反馈称，grok-code-fast-1 在速度和实用性上表现突出，甚至改变了他们的工作方式。未来计划 · xAI 在上周以代号“sonic”悄悄发布了该模型，并根据社区反馈快速迭代。 · 未来几周，xAI 将推出支持多模态输入、并行工具调用和更长上下文的新版本。 · 开发者可以通过 xAI API 使用该模型，定价透明，同时 xAI 提供了「提示工程指南」帮助用户优化使用体验。如何体验？ · 平台：可在 GitHub Copilot、Cursor、Cline 等合作伙伴平台免费试用（限时）。 · API 访问：通过 xAI 云控制台使用，价格如上所述。 · 更多资源：xAI 提供了模型卡和提示工程指南，开发者可以查阅详细信息。

#Grok-code-fast-1 #AI 编程模型 #XAI #智能体编码 #快速

1个月前

每次想把自己 X 上发的内容，在公众号改改再发时，遇到这个弹窗，我就知道。。。又有好心网友，提前帮我发到公众号了 👀

#公众号 #内容搬运 #用户UGC #社交媒体 #内容发布

1个月前

小红书的长文也很适合做知识分享，最近也开始在小红书分享，不同于 X 和公众号的长文，小红书可以把长文做成多张图片，在阅读方面也有不同的体验。经常用小红书的朋友也欢迎关注：

#小红书 #知识分享 #长文 #多张图片 #阅读体验

1个月前

最近在 X 分享的内容，都会附一张信息卡，主要是想让看到的朋友可以第一时间从信息卡中获取关键信息，最短时间直观的了解这段文字在讲什么，是否对自己有用，要不要展开详细阅读。后来把这种信息卡形式应用到公众号和小红书，点击数据都不错，陆续有很多朋友询问“提示词”。我通过公众号系统梳理了提示词，也在 X 做了分享，下面把分享过的内容汇总一下，便于朋友们收藏了解。

#信息卡 #关键信息 #提示词 #公众号 #X平台

2个月前

[开源项目推荐] awesome-claude-code (10.8K ⭐️) : Github 著名 Awesome 系列之 cc，这个资源库专注于收集与 cc 相关的斜杠命令 (/)、CLAUDE. md 文件、命令行工具、其他工作流和指南等，提升用户在使用 cc 时的生产力、开发体验和社区协作效率。核心内容项目内容按照功能和用途进行了清晰的分类，涵盖了以下几个主要部分： 1. 工作流与知识指南这一部分提供了针对特定开发场景的完整工作流资源。例如： · Blogging Platform Instructions：提供用于创建和管理博客平台的命令集合，覆盖文章发布、分类管理和媒体处理。 · ClaudeLog：详细解析 cc 的高级功能，如 CLAUDE .md 最佳实践、计划模式（plan mode）等。 · Slash-commands megalist：包含 88 个 / 斜杠命令，涵盖从代码审查到项目管理的各种功能，展示了 cc 的多样化应用。 2. 工具这一部分列出了基于 cc 构建的增强型工具，包括： · CC Usage：分析 cc 使用情况的 CLI 工具，提供 token 消耗和成本的仪表盘。 · Claude Hub：通过 webhook 集成 cc 与 GitHub，允许通过 pull request 和 issue 提供 AI 驱动的代码辅助。 · Claude Squad：管理多个 cc 实例的终端应用，适合同时处理多个任务。 3. IDE 集成包括与 Emacs 和 Neovim 的集成插件，如 claude-code.el 和 claude-code.nvim，为开发者提供更流畅的编辑器体验。 4. 斜杠命令 (/) 斜杠命令是 cc 的核心功能，项目按用途细分了多种命令，包括： · 版本控制与 Git：如 /commit（生成规范化的 git 提交信息）、/create-pr（自动化创建 pull request）。 · 代码分析与测试：如 /tdd-implement（支持测试驱动开发，TDD）、/check（代码质量和安全检查）。 · 上下文加载与初始化：如 /context-prime（为项目加载全面上下文）、/prime（初始化项目结构）。 · 文档与变更日志：如 /create-docs（生成详细文档）、/add-to-changelog（维护变更日志）。 · CI/部署：如 /run-ci（运行 CI 检查并修复错误）。 · 项目与任务管理：如 /create-prd（生成产品需求文档）、/todo（管理任务清单）。 5. CLAUDE .md 文件 CLAUDE .md 文件用于为 cc 提供项目特定的指导和上下文信息，分为以下几类： · 语言特定：如支持 Kotlin、TypeScript、Python 等语言的配置文件，包含构建、测试和编码规范。 · 领域特定：如区块链开发（AVS Vibe Developer Guide）、加密消息应用（Comm）等领域的专用指南。 · 项目脚手架与 MCP：如 Basic Memory（支持 AI-人类协作的 MCP 框架）。 6. 官方文档链接到 Anthropic 提供的官方 cc 文档和快速入门指南，涵盖安装、API 参考和示例项目。使用建议 1. 新手开发者建议从官方文档和快速入门指南开始，熟悉 cc 的基本用法。然后可以尝试简单的斜杠命令（如 /commit 或 /todo）来快速体验其功能。 2. 高级开发者利用 CLAUDE. md 文件定制项目上下文，探索高级工作流（如 ClaudeLog 或 Simone），或尝试集成工具（如 Claude Hub）来优化开发流程。 3. 社区贡献者提交新的 / 斜杠命令、工具或 CLAUDE. md 文件，参与讨论区，分享你的 cc 使用经验。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1004 条信息

#开源项目 #Claude #斜杠命令 #开发者工具 #代码辅助

2个月前

01 Jan 70 这种 API 挂一部分的 bug 还挺有意思，很像是把推文列表用真正的列表形式折叠起来了

#API #bug #推文列表 #折叠 #技术问题

2个月前

[Anthropic 官方课程] AI Fluency: Framework & Foundations —— 教你如何高效、道德、安全地与 AI 系统互动。帮你从 AI 的“初学者”变成自信的“协作专家”。它结合理论和实践，教你如何在实际场景中应用 AI，比如项目规划、内容生成或问题解决等等。课程核心课程围绕“AI 流利度”这个概念展开，目标是让你像与人协作一样，学会与 AI 顺畅合作。它的核心是一个“4D 框架”（Delegation、Description、Discernment、Diligence），通过这四个维度帮助你掌握与 AI 互动的实用技能。简单来说： · Delegation（委托）：学会把任务交给 AI，明确分工。 · Description（描述）：掌握如何清晰地向 AI 表达你的需求。 · Discernment（辨别）：懂得评估 AI 的输出，判断结果是否靠谱。 · Diligence（勤勉）：养成负责任使用 AI 的习惯，确保安全和道德。课程内容课程从基础到深入，结构清晰： 1. 入门部分：介绍 AI 流利度的概念，为什么它重要，以及 4D 框架的概览。 2. 生成式 AI 基础：解释什么是生成式 AI，它的能力与局限性。 3. 深入学习 4D 框架： · 委托：如何规划项目并将任务交给 AI。 · 描述：如何写出高效的提示词让 AI 明白你的意图。 · 辨别：如何分析 AI 的回答，识别错误或偏见。 · 勤勉：如何在 AI 使用中保持道德和谨慎。 4. 实用技巧：深入讲解如何写出更好的提示，优化与 AI 的互动。 5. 总结与认证：课程结束时，你可以参加一个最终评估，完成后获得结业证书。适合人群这门课对任何想提升 AI 使用能力的人都很有价值： · 新手：快速上手，学会如何与 AI “对话”。 · 有经验的用户：进一步优化你的提示技巧，提升效率。 · 关注伦理的人：课程特别强调安全和道德使用 AI，适合想负责任使用 AI 的人。

#AI流利度 #Anthropic #4D框架 #AI协作 #AI伦理

2个月前

好奇 X 的推文和个人信息，触发翻译的条件是什么？刚刚转发 Orange 大佬的内容，还在好奇：为啥推文是英文，视频是中文呢？然后才看到 "Auto-translated by Grok"，好吧，原来是自动触发了翻译。再去看自己的个人信息，以及随机看了几位朋友的个人信息和推文，有中文、有英文，没有完全覆盖，也没看到太明显的规律。然后看到后面的 "Show Original ⚙" 按钮，点击设置，发现有一个是否自动翻译的设置 "Changes will take effect for newly loaded content."，针对新加载的内容生效。不想默认翻译的朋友，可以在这设置。不过还是没搞明白，翻译的触发是我作为阅读者的设置，还是发布者的设置，还是只针对两次设置时间之间的内容生效？感觉都不完全对。

#Grok自动翻译 #X平台 #Orange大佬 #推文翻译设置 #翻译触发条件

2个月前

[课程推荐] 上下文工程：从基础原理到前沿系统 —— 用数学和工程方法，12 周掌握从数学原理到工程实践的完整体系，把'写好提示词'升级为'设计最优上下文系统'的科学。课程的革命性理念 1. 核心转变：从手艺到科学课程最打动人的地方在于它把"写提示词"这件看似依赖天赋和经验的事，转化成了可以系统学习、精确优化的科学。就像： · 传统厨师 vs 分子料理：从"差不多就行"到"精确控制每个变量" · 传统编程 vs 软件工程：从"能跑就行"到"系统化的质量保证" 2. 数学化的力量课程引入了核心公式：C = A(c₁, c₂, ..., cₙ) 这不仅仅是个公式，而是一种思维方式： · 把模糊的"上下文"拆解成具体的组件（c₁, c₂...） · 把"怎么组合"变成可优化的函数（A） · 让改进变得可测量、可复现 12 周进阶路径 🎯 基础阶段（1-4周）：打地基第1-2周：数学基础 · 学习如何用数学语言描述上下文 · 掌握优化理论，知道什么是"好"的上下文 · 理解信息论，学会衡量信息的价值 · 运用贝叶斯推理，在不确定中做决策第3-4周：核心组件 · 提示工程进阶：不只是写提示词，而是设计提示系统 · 知识检索：如何高效找到相关信息 · 动态组装：根据需求实时构建上下文 · 多模态处理：处理文本、图像、音频的混合信息 🚀 实战阶段（5-8周）：建系统第5-6周：高级 RAG 架构这里特别有意思的是"Agentic RAG"概念——让 AI 像侦探一样主动搜集信息：传统 RAG：问→找→答（一次性）智能 RAG：问→思考→计划→搜索→评估→补充→循环...→综合回答第7-8周：工具集成与多智能体 · 让 AI 学会"使用工具"而不只是"回答问题" · 构建多个 AI 协作的系统，像团队一样工作 🔬 前沿阶段（9-12周）：探索未来第9-10周：场论与评估 · 用物理学的"场"概念理解上下文空间 · 建立科学的评估体系第11-12周：元递归系统 · 元递归：让系统能够自我改进 · 量子语义：探索意义的叠加态 · 跨模态融合：打破不同信息形式的边界独特的教学方法 1. "吃自己的狗粮"原则课程本身就是最好的上下文工程示例： · 每个模块的结构都体现了它要教的原理 · 学习材料的组织方式就是上下文优化的范例 2. 可视化一切课程大量使用 ASCII 艺术图来解释复杂概念，比如：上下文组装流程：原始信息 → [筛选] → [组织] → [优化] → 精炼上下文 ↑ ↓ └──────── 反馈循环 ←─────────────────┘ 3. 代码优于理论每个概念都配有可运行的代码，让抽象立即变具体。实际应用价值对开发者意味着什么？ 1. 效率提升：上下文质量提升2-5倍，优化速度快100-1000倍 2. 可扩展性：从依赖专家到自动化系统 3. 可预测性：95%以上的结果可复现（vs 人工60%）具体能做什么？ · 智能客服：构建真正理解上下文的对话系统 · 知识管理：自动组织和检索企业知识 · 内容生成：生成高质量、上下文相关的内容 · 决策支持：在复杂信息中提取关键洞察为什么这个课程如此重要？ 1. 填补了行业空白正如项目介绍所说，"提示工程"这个词已经不够用了，而"上下文工程"才是研究者们真正在做的事。 2. 从经验到科学把依赖个人经验的"黑魔法"变成可以系统学习的科学方法。 3. 面向未来课程不只教现有技术，还探索量子语义、元递归等前沿概念，为下一代AI系统做准备学习建议 1. 循序渐进：即使你是高手，也建议从数学基础开始，因为它提供了全新的思考框架 2. 动手实践：每个概念都要跑一遍代码，理论结合实践 3. 构建作品集：课程鼓励建立自己的项目集，这对求职和研究都很有价值 4. 参与社区：这是一个活跃的开源项目，参与讨论能学到更多

#上下文工程 #AI系统 #数学基础 #RAG架构 #元递归系统

2个月前

[开源推荐] N8N Workflow: 收集了 2053 个 n8n 工作流的开源项目，堪称自动化爱好者的宝藏库！把从 n8n 官网、社区论坛、GitHub 以及其他公开来源收集的工作流整合在一起，提供了丰富的灵感、学习资源和可直接复用的自动化方案。核心亮点 1. 海量工作流，覆盖广泛项目收录了 2053 个工作流，涉及 365 种不同的服务和 API，比如 Telegram、Slack、Google Sheets、OpenAI、Airtable 等。这些工作流涵盖了从简单的数据同步到复杂的多触发器企业级自动化，适合各种场景，包括： · 通信：如自动发送消息到 Slack 或 WhatsApp · 数据处理：如 Google Sheets 数据整理或数据库操作 · AI/ML：如利用 OpenAI 进行内容生成 · 电商/社交媒体：如 Shopify 订单处理或 X 自动发帖 2. 高效的文档与搜索系统这个项目不仅仅是堆积了一堆 JSON 文件，它还开发了一个高性能文档系统，让用户可以快速浏览、搜索和分析工作流： · 超快搜索：基于 SQLite FTS5 的全文搜索，响应时间不到 100 毫秒 · 智能分类：工作流按触发类型（手动、Webhook、定时等）和复杂度（低、中、高）自动分类，还支持按服务类型（如通信、AI、数据库）过滤 · 可视化支持：可以通过 Mermaid 图表生成工作流的可视化结构 · 响应式设计：界面适配手机和桌面，支持深色/浅色主题，体验非常友好 3. 智能命名与组织每个工作流的 JSON 文件名都被智能转换为易读的标题。如 2051_Telegram_Webhook_Automation_Webhook.json 会变成 Telegram Webhook Automation，既直观又方便搜索。工作流还被自动归类到 12 个服务类别（如通信、云存储、CRM 等），让你轻松找到适合自己需求的方案。 4. 统计与洞察项目提供了详细的统计数据，比如： · 总计 29,445 个节点，平均每个工作流 14.3 个节点 · 触发类型分布：40.5% 是复杂多触发器工作流，25.3% 是 Webhook 触发，23.2% 是手动触发，11% 是定时触发 · 复杂度分析：35% 简单（≤5 节点），45% 中等（6-15 节点），20% 复杂（16+ 节点）为什么重要？这个项目之所以重要，是因为它极大地降低了自动化开发的门槛： · 节省时间：无需从零开始设计复杂的工作流，直接复用现成的方案 · 学习资源：通过研究这些工作流，你可以快速掌握 n8n 的用法和最佳实践 · 社区驱动：开源的本质让它成为一个不断扩展的资源库，适合个人开发者、自由职业者以及企业用户 · 商业潜力：作者允许商业使用，你可以基于这些工作流为客户开发解决方案，甚至创建附加价值（如教程或模板库）不足与注意事项 · 安全性：工作流可能包含过时的节点或需要特定 n8n 版本支持，使用前需要仔细检查 · 技术门槛：虽然文档系统很友好，但运行服务器和导入工作流需要一定的技术基础（比如安装 Python 和依赖） · 无官方发布版本：目前仓库没有正式的 Release，可能需要用户自己处理更新和兼容性问题

#N8N Workflow #自动化 #开源项目 #工作流 #数据处理

2个月前

GPT-5 Thinking 模型和 Think 模式，初看还挺迷惑人的，用户体验并不友好。虽然 GPT-5 才能选择 Think 模式，切到 GPT-5 Thinking 模式就制动禁用 Think 模式了 😂 还是很模糊，如果真的想思考，是 Thinking 模型思考更深，还是 Think 模式思考更好呢？

#GPT-5 #Thinking 模型 #Think 模式 #用户体验不友好 #模糊